Final

app.py

@@ -22,13 +22,6 @@ def process_image_bytes(img_bytes: bytes):
     # lê bytes em numpy + OpenCV
     nparr = np.frombuffer(img_bytes, np.uint8)
     img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
-    lab = cv.cvtColor(img, cv.COLOR_BGR2LAB)
-    l, a, b = cv.split(lab)
-    clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
-    l_clahe = clahe.apply(l)
-    lab_clahe = cv.merge([l_clahe, a, b])
-    img = cv.cvtColor(lab_clahe, cv.COLOR_LAB2BGR)
-    
     if img is None:
         raise ValueError("Não foi possível decodificar a imagem.")
 
@@ -108,180 +101,4 @@ async def analyze(file: UploadFile = File(...)):
 
 @app.get("/")
 def read_root():
-    return {"status": "ok"}
-
-# app.py
-# from fastapi import FastAPI, File, UploadFile, HTTPException, Query
-# from fastapi.middleware.cors import CORSMiddleware
-# from fastapi.responses import JSONResponse
-# import numpy as np
-# import cv2
-# import base64
-# from typing import List, Dict
-
-# app = FastAPI(title="Detector de Corrosão Branca (multi-objetos)")
-
-# # CORS (ajuste allow_origins em produção)
-# app.add_middleware(
-#     CORSMiddleware,
-#     allow_origins=["*"],
-#     allow_credentials=True,
-#     allow_methods=["*"],
-#     allow_headers=["*"],
-# )
-
-# def to_data_uri_from_rgb(img_rgb: np.ndarray) -> str | None:
-#     """Recebe imagem RGB uint8 e retorna data URI PNG."""
-#     if img_rgb is None:
-#         return None
-#     bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)
-#     ok, buf = cv2.imencode(".png", bgr)
-#     if not ok:
-#         return None
-#     b64 = base64.b64encode(buf.tobytes()).decode("ascii")
-#     return f"data:image/png;base64,{b64}"
-
-# def process_one_object(img_bgr: np.ndarray, obj_mask: np.ndarray) -> Dict:
-#     """
-#     Calcula métricas e imagens para um único objeto (parafuso).
-#     - img_bgr: imagem original BGR
-#     - obj_mask: máscara binária 0/255 do objeto (mesmo tamanho da imagem)
-#     """
-#     # isolar objeto em BGR e converter para RGB p/ visualização
-#     isolated = cv2.bitwise_and(img_bgr, img_bgr, mask=obj_mask)
-#     isolated_rgb = cv2.cvtColor(isolated, cv2.COLOR_BGR2RGB)
-
-#     # corrosão branca: S baixo, V alto (em HSV)
-#     hsv_iso = cv2.cvtColor(isolated, cv2.COLOR_BGR2HSV)
-#     lower_white = np.array([0, 0, 180], dtype=np.uint8)
-#     upper_white = np.array([180, 60, 255], dtype=np.uint8)
-#     mask_white = cv2.inRange(hsv_iso, lower_white, upper_white)
-#     mask_white = cv2.bitwise_and(mask_white, mask_white, mask=obj_mask)
-
-#     total_pixels = int(np.count_nonzero(obj_mask))
-#     corrosion_pixels = int(np.count_nonzero(mask_white))
-#     percent = (corrosion_pixels / max(1, total_pixels)) * 100.0
-
-#     # visual da corrosão em cima do isolado
-#     corrosion_vis = cv2.bitwise_and(isolated_rgb, isolated_rgb, mask=mask_white)
-
-#     return {
-#         "total_pixels": total_pixels,
-#         "corrosion_pixels": corrosion_pixels,
-#         "percent": round(percent, 4),
-#         "isolated_image": to_data_uri_from_rgb(isolated_rgb),
-#         "corrosion_image": to_data_uri_from_rgb(corrosion_vis),
-#     }
-
-# def process_image_bytes_multi(img_bytes: bytes, min_area: int, max_items: int, sort: str):
-#     # decodifica
-#     nparr = np.frombuffer(img_bytes, np.uint8)
-#     img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
-#     if img is None:
-#         raise ValueError("Não foi possível decodificar a imagem.")
-
-#     h, w = img.shape[:2]
-
-#     # HSV + fundo preto
-#     hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
-#     lower_bg = np.array([0, 0, 0], dtype=np.uint8)
-#     upper_bg = np.array([180, 255, 50], dtype=np.uint8)
-#     mask_bg = cv2.inRange(hsv, lower_bg, upper_bg)
-#     mask_obj = cv2.bitwise_not(mask_bg)
-
-#     # limpeza morfológica
-#     kernel = np.ones((5, 5), np.uint8)
-#     mask_obj = cv2.morphologyEx(mask_obj, cv2.MORPH_OPEN, kernel)
-#     mask_obj = cv2.morphologyEx(mask_obj, cv2.MORPH_CLOSE, kernel)
-
-#     # contornos externos
-#     contours, _ = cv2.findContours(mask_obj, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
-#     if not contours:
-#         return {"error": "Nenhum objeto detectado", "items": []}
-
-#     # filtra por área
-#     candidates = []
-#     for c in contours:
-#         area = cv2.contourArea(c)
-#         if area >= max(1, min_area):
-#             x, y, ww, hh = cv2.boundingRect(c)
-#             candidates.append({"contour": c, "area": area, "bbox": (x, y, ww, hh)})
-
-#     if not candidates:
-#         return {"error": "Somente ruído encontrado abaixo do min_area", "items": []}
-
-#     # ordenação
-#     if sort == "area":
-#         candidates.sort(key=lambda d: d["area"], reverse=True)
-#     else:  # "x" (esquerda -> direita)
-#         candidates.sort(key=lambda d: d["bbox"][0])
-
-#     candidates = candidates[:max_items]
-
-#     # imagem de overview (RGB) p/ desenhar anotações
-#     overview = cv2.cvtColor(img.copy(), cv2.COLOR_BGR2RGB)
-
-#     items: List[Dict] = []
-#     total_pixels_sum = 0
-#     corrosion_pixels_sum = 0
-
-#     for idx, obj in enumerate(candidates, 1):
-#         c = obj["contour"]
-#         x, y, ww, hh = obj["bbox"]
-
-#         # máscara do objeto atual
-#         obj_mask = np.zeros((h, w), dtype=np.uint8)
-#         cv2.drawContours(obj_mask, [c], -1, 255, cv2.FILLED)
-
-#         # métricas e imagens do objeto
-#         r = process_one_object(img, obj_mask)
-
-#         # acumula totais
-#         total_pixels_sum += r["total_pixels"]
-#         corrosion_pixels_sum += r["corrosion_pixels"]
-
-#         # desenha no overview
-#         cv2.rectangle(overview, (x, y), (x + ww, y + hh), (0, 255, 0), 2)
-#         label = f"#{idx} {r['percent']:.2f}%"
-#         cv2.putText(overview, label, (x, max(0, y - 6)),
-#                     cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 50, 50), 2, cv2.LINE_AA)
-
-#         items.append({
-#             "id": idx,
-#             "bbox": {"x": x, "y": y, "w": ww, "h": hh},
-#             "area_pixels": int(obj["area"]),
-#             **r,  # total_pixels, corrosion_pixels, percent, images...
-#         })
-
-#     overall_percent = (corrosion_pixels_sum / max(1, total_pixels_sum)) * 100.0
-
-#     # adiciona overview
-#     overview_data_uri = to_data_uri_from_rgb(overview)
-
-#     return {
-#         "total_objects": len(items),
-#         "items": items,
-#         "total_pixels": int(total_pixels_sum),
-#         "total_corrosion_pixels": int(corrosion_pixels_sum),
-#         "overall_percent": round(overall_percent, 4),
-#         "overview_image": overview_data_uri,
-#     }
-
-# @app.post("/analyze")
-# async def analyze(
-#     file: UploadFile = File(...),
-#     min_area: int = Query(1500, ge=1, description="Área mínima do objeto (px)"),
-#     max_items: int = Query(20, ge=1, le=200, description="Limite de objetos"),
-#     sort: str = Query("x", pattern="^(x|area)$", description="Ordenação: x|area"),
-# ):
-#     content = await file.read()
-#     try:
-#         result = process_image_bytes_multi(content, min_area=min_area, max_items=max_items, sort=sort)
-#     except ValueError as e:
-#         raise HTTPException(status_code=400, detail=str(e))
-#     return JSONResponse(result)
-
-# @app.get("/")
-# def read_root():
-#     return {"status": "ok"}
-
+    return {"status": "ok"}